早从《黑客帝国》开始，人们就对未来科技生活展开了想象：在未来，人们将会生活在虚拟世界，平常的感知都将由程序来进行模拟，在本质上，人们已经成为了 机器 的奴隶。
联系到最近大火的亚文化奇观赛博朋克，人们总是既期待又感到恐惧，前者自然是对美好生活的向往。但后者并非只是机器对人类拟态的“恐怖谷”效应，还裹挟着人们对未来生存方式的恐惧。当AI机器一步一步从体能到智力上取代人类，人类最后的生存意义究竟是什么？
科技永无止境，从阿尔法狗击败柯洁开始，虽然有所稚嫩，但AI机器确实发展迅速。去年一则AI翻译聘请人类“枪手”的新闻上了热搜，其中AI翻译远没有达到取代人类的地步，但在自然语言上的进步还是让不少同传朋友都心有戚戚然。
在人工智能领域，《未来简史》作者尤瓦尔赫拉利直接豪言：“在20到30年之间超过50%的工作机会被 人工智能 取代”，“人类将会分化出智神。”
言之凿凿或是危言耸听，在浪潮下，人工智能替代人类进行工作这件事确实已经是不可逆的存在。
AI将会从哪些领域进行改变
那么AI将会从哪些领域进行改变呢？我们首先需要明确一点，人工智能各种应用本质上还是基于不同的 算法 建构，因此并没有超脱出人们的框架。在人工智能领域有一个著名的实验“中文屋悖论”，其中的实验内容为将一个不懂中文、只懂英文的人关在封闭的房间里，桌子上有着相应的英语翻译书，能够帮助这个人理解相应中文的意思，并且可以让他以中文的形式传达出去。
外面的人只能通过递出的小纸条来进行交流，对于他们来说，看见中文回应就意味着房间内部是一名中国人。约翰希尔勒的这个实验类比到人工智能身上，房间里的人为计算机、翻译书相当于不同的程序，房间外的人也就是我们。从翻译的角度来看，人工智能能够精准翻译出英文的意思，但实际上它并不是真正理解它的意思，而只是依照程序来进行处理。
虽然实验有所纰漏，但简单来看，人工智能在深度学习下只能明确“给钱”就能获得“汽水”的对应行为关系，而不能了解到“钱”本身所代表的含义。通过大量深度学习，人工智能能够实现异常复杂的行为关系，在我们看来，它或许已经达到了人类的层次，但从本质上而言，它还只是算法而已。
因此人工智能所能替代的领域也只是在简单的重复工作领域，但对于需要大量创意的地方仍然束手无策。注意，对于很多创意内容，只要有了模板，人工智能也能够进行相应的模仿，此前火热的小说生成器就是如此。但在改变写作，出新的角度上，人工智能并没有这个能力。
从此前给出的可能会消失的工作，我们也可以看出重复性劳动的工作将会更加趋近消失，其中电话销售员已经近乎到了边缘化。在去年的Google I/O 大会上，Alphabet新任董事长John Hennessy介绍了大量关于人工智能的发展方向，并且表示Google Duplex已经通过了图灵测试。
在亮相的时候，Google Duplex的AI对话表现让众多用户炸开了锅。在现场直播中，Google Duplex能够与一位电话接线员流畅通话，并且成功预定了理发服务的时间。在其中接线员要求等待一会儿的时候，Google Duplex居然还发出了“嗯嗯（Mm-hmm）”的拟声词，完全让人察觉不出来对面会是人工智能。
而图灵测试一直被认为（业界部分领域）是作检验人工智能标准，在1950年，图灵提出了这么一个测试：如果机器能够与人类展开对话，并且不被人类察觉身份，那么这台机器就意味着拥有智能，可以思考。
人工智能领域一直对于图灵测试有所争论，认为评判标准局限在欺骗人类身上，而非展现真实智能水平，而前者很容易被拟态出来，上面提到的中文屋就是这么一个例子。但是此次Google Duplex在服务型对话的表现确实让人眼前一亮，也具有商用化的价值，不过要像推及到其它领域，人工智能还有很长的路要走。
破坏即创造 AI能够带来哪些新工作？
在破坏掉一部分工作的同时，发展的人工智能毫无疑问会刺激新的工作岗位形成。
在这一领域，首先吃香的自然是人工智能“大厦”的建筑工们。在《中国人工智能ABC人才发展报告》中，人工智能ABC（人工智能+大 数据 +云计算）领域人才走势持续高涨，就业形势良好。在当下国内人口红利耗尽，移动互联网发展触顶的时期，人工智能领域在未来趋势、国家战略、商业落地上都必然会成为“香饽饽”。
据AI Lab报告数据指出，2019年人工智能缺口将达到110万，其中领域涵盖了算法、深度学习、自然语言处理等多个方面，而这一缺口在2022年将会增至594万。现在无论是BAT，还是字节跳动、科大讯飞等厂商都在进行激烈的人才争夺战，并且也都有着相应实验室来进行人才储备。
落到岗位上，在当下算法和机器深度学习成为热门岗位。无论是产品的驱动还是功能属性的添加，算法和深度学习都是必不可少的存在。落到产业上，当下人工智能已经逐渐渗透到了我们生活的方方面面。 智慧 出行、智慧城市、智慧安防……人工智能正在重塑传统传统产业链的架构，在这之中必然会有岗位迭代和供应链重组，如何利用自身优势进入人工智能产业庞大的产业盘子，这是企业需要思考的下一个问题。
另一方面人工智能的发展需要进一步的资金支持，而在这个过程中，利用人工显然会是更节省成本更稳妥的方式。包括谷歌在内发力AI的公司毫无例外都扩大了审核团队，虽然有着算法查验机制，但面对灵活变动的违禁信息，人工处理显然要更为安全。另一方面，机器学习也需要“养料”建立数据模型，而让众多公司真正无法回避的问题是出了问题怎么办？
相比人工审核，纯机器审核带来的 技术 追责在处罚划分上显然不够明显。人工智能出了问题，可技术只是提供框架模型，具体效果要靠数据“喂”出来，在庞大的数据面前，谁也不能断言人工智能一定没问题。此前在国外机器学习中，就出现了因为“对抗样本”造成人工智能偏差，进而出现图片识别明显出错的问题。说到底，人工智能也只是在数据中进行重复的深度学习，一旦在训练材料中混入“污点”，这些“污点”在一定条件下就会改变人工智能的识别方向，造成偏差。
伴随技术发展，专攻人工智能的黑客也会出现，相应的防护措施也会有所增加。但就落到人工智能完全替代工作这件事上，还需要面临诸多问题，例如安全、可用性、岗位替代后的社会问题。相比于技术上的障碍，人工智能真正要跨过的是社会本身。
